“业务指标”衡量电商搜索引擎的优劣

简介: 在电商行业中,无论是2B还是2C,最终的业务目的就是交易成单,众所周知搜索服务旨在让消费者能够更快的定位到自己想要的产品,据统计像淘宝这类综合型电商搜索转化交易占整个交易结果的40%以上,垂直类电商的搜索转化更是占整个交易结果的60%以上,所以搜索在电商中的重要性不言而喻,越是拥有海量sku的电商网站,就越依靠搜索,同时对搜索商品的能力要求也就越高。

一般电商搜索的核心是搜索精度和搜索广度,精度就是搜索的精确性,广度就是搜索结果的范围,其关键结果肯定是“为用户找到想要的商品”,但过于追求搜索的精确度就会导致出现搜索的结果比较少或结果为0的情况,用户搜不到商品势必会引发流失,因此在搜索服务里面还可以做的就是给用户提供一些相关性搜索结果。那么搜索做的好不好,其实就是在搜索精度和搜索广度二者之间做一个比较好的平衡点。那如何评定我们的搜索是否可以满足业务需求那?又可以通过哪些场景的优化实践提升我们搜索的整体性能那?


1. 驱动搜索业务价值提升的原因

先和大家回顾一下你是不是也是遇到以下几个情况后,开始思考搜索到底做的怎么样,有什么方法可以评估那?

1.1随机性发现的Bad case
领导或运营人员工作中发现搜索某商品时,无结果率较高,搜索排序体验不好的情况,认为不能完全满足实际用户搜索需求,直接影响整体业务发展,建议开发同学提升搜索效果和搜索体验;

1.2 KPI考核
KPI考核驱动优化提升搜索业务,比如要求CTR提升10%;

1.3.业务方诉求
合作某品牌旗舰店要求优化搜索排序效果;
那接下来我们刨析一下,从哪些方法和角度去评估搜索质量、体验与业务价值

2.业务指标衡量搜索体验与价值

2.1 完整体系化的衡量方法
{40B47192-FFC8-4D96-95A0-4E120C684D2D}_20200729191507.jpg
阿里云开放搜索经过千锤百炼的实践与总结形成了一套体系化的、完整的、持续的评估方法。通过周期性的监控与评估,制定相应的迭代与专项跟进,做A/B Test或灰度后才去放全量,然后再持续进行监控。

2.2核心业务指标
【指标维度】:流量指标、点击类指标、用户分析类指标、Query分析类指标、成交指标。
指标.png
【核心指标】
"搜索PV":指访问搜索页面的次数;
“搜索UV”:访问过搜索结果页的用户数;
“无结果率”:空结果PV/搜索PV,无结果率越低,代表客户搜索需求解决情况越好;
“TOP5 PV—CTR”:指该query search结果中,排在前五位的item有被点击的搜索PV/该query搜索PV该指标能一定程度反应排序效果;
“人均搜索PV”:搜索PV/搜索UV;该指标的含义比较复杂,一方面人均pv大的话可能代表用户对搜索比较感兴趣,但另一方面人均pv大也可能代表搜索召回的结果较差,导致用户无法使用较少的点击找到满足需求的结果;
“有点击搜索PV占比”:有点击搜索PV/搜索PV数;
“PV-CTR”:搜索结果页item点击数/搜索PV数;
“UV-CTR”:点击的uv / 曝光的uv;
“Item-CTR”:搜索结果页item点击数/搜索结果页item总曝光PV数;

通过体系化的业务指标和报表可以清晰反映搜索的质量和用户体验效果,再通过系统的评估服务,找到对应的问题原因和解决方案.

3.搜索技术等级

参考业界对搜索等级的不同定义:
faa125169aa94adbbf4e52670692dce2.png
市面上大部分产品搜索还处L0等级和L1等级的位置。想要实现高效、可持续的高质量搜索价值需要投入大量的人力成本才能达到,这也是很多开源自建用户所面临的问题与挑战。只有一套高效、完整落地的搜索体系才会不断驱动电商业务更好的持续发展。


以上是今天想和大家分享的内容 ,希望能带来一些关于“搜索”新的思路和启发~
预告:接下来几篇内容会通过6个真实的电商搜索场景实践进行刨析,和大家一起聊一聊“如何通过搜索更快更好的提升电商业务价值。”


如果你想与更多开发者们进行交流、了解最前沿的搜索与推荐技术,可以钉钉扫码加入社群~

de4a0a78832849edbd0b7a486148ce2f.png

【开放搜索】新用户活动:阿里云实名认证用户享1个月免费试用~https://www.aliyun.com/product/opensearch

目录
相关文章
|
NoSQL 算法 Redis
redis7.0源码阅读(五):跳表(skiplist)
redis7.0源码阅读(五):跳表(skiplist)
1490 1
|
4月前
|
人工智能 自然语言处理 运维
GEO推广服务深度解读:AI搜索时代的企业流量新范式
生成式AI重塑搜索生态,“关键词搜索”正被“自然语言提问+AI生成答案”取代。GEO(生成式引擎优化)应运而生——它不追求页面排名,而致力于让企业内容成为AI回答中的权威引用源。本文系统解析GEO的技术原理、核心价值、落地路径与未来趋势,助力企业抢占AI搜索时代增长先机。(239字)
1335 1
|
搜索推荐 Android开发 UED
信息检索系统评估指标的层级分析:从单点精确度到整体性能度量
本文深入探讨了信息检索系统(如搜索引擎)的评估机制,从用户行为特征出发,设计了一系列量化指标以衡量搜索结果的相关性和有效性。核心内容包括精确度(Precision)、Precision@K(聚焦前K个结果)、Average Precision@K(考虑位置权重)以及MAP@K(系统整体性能评估)。通过实际案例分析,展示了如何用这些指标评估搜索系统的质量,并强调高质量系统需在多维度上表现优异,以契合用户真实需求和行为模式。文章为优化信息检索系统提供了科学指导框架。
772 7
信息检索系统评估指标的层级分析:从单点精确度到整体性能度量
|
自然语言处理 分布式计算 搜索推荐
专题实战 | 如何快速构建高质量电商行业搜索?
本文详细介绍如何快速接入智能开放搜索(OpenSearch)电商行业增强版,助力企业实现高质量搜索效果,提升业务转化率及用户产品体验!
2636 1
|
监控 数据可视化 项目管理
高效时间管理工具如何帮助优化日常任务管理?2024年6款最优秀软件
在快节奏的现代工作环境中,高效的时间管理和任务协作工具成为提升生产力的关键。2024年,随着工作模式的变化,企业及个人愈发依赖这些工具来优化时间管理、任务分配和团队协作。本文精选了几款高效工具,如板栗看板、ClickUp、Notion、Wrike、Todoist和Evernote,它们各自具备独特优势,适用于不同行业和规模的团队,帮助用户在繁忙的工作中保持高效和有序。
2319 6
高效时间管理工具如何帮助优化日常任务管理?2024年6款最优秀软件
|
人工智能 自然语言处理 搜索推荐
阿里云Elasticsearch AI搜索实践
本文介绍了阿里云 Elasticsearch 在AI 搜索方面的技术实践与探索。
20495 22
|
搜索推荐 测试技术 流计算
承上启下:基于全域漏斗分析的主搜深度统一粗排
文章首先介绍了淘宝搜索的多阶段检索系统,包括召回、粗排和精排阶段。粗排模型的目标是优化商品的排序,以提高在召回集合中选择优质商品的能力。文章提到,粗排模型与精排模型的目标有所不同,粗排更注重腰部商品的排序,而精排更注重头部商品的排序。 此外,文章还探讨了模型的损失函数形式,发现原始的softmax损失函数在处理多正样本时存在问题,提出了改进的损失函数,使得模型在粗排阶段的表现更佳。最后,作者们总结了优化工作的进展,以及优化样本对齐,以实现更好的整体效果。
|
Linux 数据安全/隐私保护 开发工具
|
存储 人工智能 数据处理
Elasticsearch 8 RAG 技术分享
本文介绍了Elasticsearch 8 在RAG场景方面的发展历程、技术演进、未来发展方向和产品能力。
1285 8